Mask RCNN目標檢測源碼運行筆記（Demo模式）

1. 論文基本信息

• 論文標題：Mask R-CNN
• 論文作者：Kaiming He（Facebook AI Research (FAIR)）等人
• 論文出處：ICCV 2017
• 在線閱讀：https://arxiv.org/pdf/1703.06870.pdf
• 源碼鏈接：https://github.com/facebookresearch/maskrcnn-benchmark

2. 運行環境

• NVIDIA GTX 1070
• Ubuntu 18.04 x64
• gcc/g++ 7.4.0
• CUDA 10.0 (cuda_10.0.130_410.48_linux.run)
• Anaconda 3
• Python 3.7
• PyTorch 1.3.0 for CUDA 10.0

只需要預先安裝好gcc/g++ 7.4.0、CUDA 10.0和Anaconda即可，其他依賴包（包括PyTorch）會在下一節會的詳細環境搭建步驟進行安裝。

3. 準備

S1. 運行如下命令安裝matplotlib後端：

sudo apt-get install tcl-dev tk-dev python-tk python3-tk

S2. 在自己的工作區目錄中，運行如下命令下載源碼包，也可以手工複製鏈接在瀏覽器下載：

git clone https://github.com/facebookresearch/maskrcnn-benchmark.git

S3. cd到maskrcnn-benchmark目錄中，然後運行如下命令創建虛擬環境並激活：

conda create --name maskrcnn_benchmark python=3.7
conda activate maskrcnn_benchmark

S4. 繼續保持在maskrcnn-benchmark目錄和剛剛激活的虛擬環境中，然後運行如下命令編寫簡易安裝腳本：

gedit install.sh

在打開的gedit空白編輯界面中，粘貼如下文本：

# this installs the right pip and dependencies for the fresh python
conda install ipython pip

# maskrcnn_benchmark and coco api dependencies
pip install ninja yacs cython matplotlib tqdm opencv-python requests

# follow PyTorch installation in https://pytorch.org/get-started/locally/
# we give the instructions for CUDA 10.0
conda install -c pytorch pytorch-nightly torchvision cudatoolkit=10.0

export INSTALL_DIR=$PWD

# install pycocotools
cd $INSTALL_DIR
git clone https://github.com/cocodataset/cocoapi.git
cd cocoapi/PythonAPI
python setup.py build_ext install

# install cityscapesScripts
cd $INSTALL_DIR
git clone https://github.com/mcordts/cityscapesScripts.git
cd cityscapesScripts/
python setup.py build_ext install

# install apex
cd $INSTALL_DIR
git clone https://github.com/NVIDIA/apex.git
cd apex
python setup.py install --cuda_ext --cpp_ext

# install PyTorch Detection
cd $INSTALL_DIR
git clone https://github.com/facebookresearch/maskrcnn-benchmark.git
cd maskrcnn-benchmark

# the following will install the lib with
# symbolic links, so that you can modify
# the files if you want and won't need to
# re-build it
python setup.py build develop



unset INSTALL_DIR

# or if you are on macOS
# MACOSX_DEPLOYMENT_TARGET=10.9 CC=clang CXX=clang++ python setup.py build develop

粘貼完成後，保存並關閉gedit，回到終端。

S5. 在終端中運行：

chmod 777 install.sh
./install.sh

在執行install.sh的過程中，中間會詢問是否繼續，輸入y即可繼續安裝。
注 1： 若install過程中出現網絡問題導致中斷，可以重新執行./install.sh。

注 2： 若install過程中提示形如socket.timeout: The read operation timed out的錯誤，多半是網絡不好導致某個文件沒有下載下來，這時直接copy鏈接手工下載安裝相應的包即可。

4. Demo

S1. 在終端中cd到源碼內部的demo目錄。

S2. 運行如下命令新建一個示例源碼：

gedit demo2.py

在文本編輯器中粘貼如下內容：

import matplotlib
matplotlib.use('TkAgg')

import matplotlib.pyplot as plt
import matplotlib.pylab as pylab

import requests
from io import BytesIO
from PIL import Image
import numpy as np

# this makes our figures bigger
pylab.rcParams['figure.figsize'] = 20, 12

from maskrcnn_benchmark.config import cfg
from predictor import COCODemo

config_file = "../configs/caffe2/e2e_mask_rcnn_R_50_FPN_1x_caffe2.yaml"

# update the config options with the config file
cfg.merge_from_file(config_file)
# manual override some options
# cpu or cuda
cfg.merge_from_list(["MODEL.DEVICE", "cuda"])

coco_demo = COCODemo(
    cfg,
    min_image_size=800,
    confidence_threshold=0.7,
)

def load(url):
    """
    Given an url of an image, downloads the image and
    returns a PIL image
    """
    response = requests.get(url)
    pil_image = Image.open(BytesIO(response.content)).convert("RGB")
    # convert to BGR format
    image = np.array(pil_image)[:, :, [2, 1, 0]]
    return image

def imshow(img):
    plt.imshow(img[:, :, [2, 1, 0]])
    plt.axis("off")

# from http://cocodataset.org/#explore?id=345434
image = load("https://farm3.staticflickr.com/2469/3915380994_2e611b1779_z.jpg")
image2 = image[:, :, [2, 1, 0]]
plt.imshow(image2)
plt.show()

# compute predictions
predictions = coco_demo.run_on_opencv_image(image)
imshow(predictions)
plt.show()

S3. 粘貼完畢，關閉gedit，回到終端。

S4. 在終端中運行：

python demo2.py

運行時，源碼會先後顯示原圖和檢測/分割後的圖，只有關閉了第一個窗口，程序纔會繼續運行，如下圖所示：


注： 如果上述圖像的url難以訪問，網速緩慢，也可以自己換一個圖片鏈接，比如：https://inews.gtimg.com/newsapp_ls/0/10947814918_580328/0，運行的效果如下圖所示：

---

參考資料：

https://github.com/facebookresearch/maskrcnn-benchmark/blob/master/INSTALL.md